《采用拟蒙特卡罗法的被动多传感器目标跟踪》PDF+DOC

📙 相关资料

1. 《基于高斯Cost-Reference粒子滤波器的WSN目标跟踪算法》PDF+DOC 提出了一种新的高斯Cost-Reference粒子滤波器算法及多传感器动态协同策略用于无线传感器网络目标跟踪问题。该算法的显著特点是：(1)鲁棒性，不需要事先对系统过程噪声和测量噪声的分布进行精确建模，具有较好的噪声自适应能力，非常适用于无线传感器网络未知的、复杂的应用场景；(2)能量有效性，该算法......
2. 《基于粒子滤波和检测信息的多传感器融合跟踪》PDF+DOC 从概率角度审视低检测率、低信噪比下的多传感器融合算法.首先建立传感器检测概率模型，然后计算传感器检测响应、量测信息的融合似然度，在贝叶斯框架下建立一种非线性目标基于粒子滤波器的多传感器多源信息融合算法，该算法融合了传感器的量测信息和检测响应，提高了跟踪精度蒙特卡洛仿真结果表明了算法的有效性。...
3. 《高斯马尔可夫融合算法在卡尔曼滤波中的应用》PDF+DOC 针对目前常用的按标量、对角阵、矩阵加权融合方法过程较复杂，计算负担较重的问题，结合三维目标跟踪模型提出一种高斯马尔可夫融合方法来融合卡尔曼滤波估计值，不需要计算局部稳态滤波误差互协方差，只需要知道传感器的观测噪声方差就可以了。计算方法和操作相对简单，省略了很多繁琐步骤也能达到不错的滤波融合效果，通过......
4. 《粒子滤波融合跟踪方法》PDF+DOC 针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题，提出了一种基于粒子滤波方法的融合跟踪算法。通过对量测方程的非线性分析，利用粒子滤波器计算目标状态估计值，通过线性迭代的方式得到系统的最优估计。仿真结果表明，与采用Kalman滤波的方法相比，该算法具有更高的估计精度和更少的计算量。相比于......
5. 《一种多传感器配准与目标跟踪算法研究》PDF+DOC 传统的多传感器误差配准技术多基于球极投影，没有考虑地球地形的影响，当传感器之间距离较远时将失去实际意义，无法对目标进行有效的跟踪；而现有的跟踪方法大多没有考虑传感器系统误差对跟踪精度的影响。基于地心坐标系，提出了一种Unscented卡尔曼配准与目标跟踪算法，充分考虑地球形状的影响，在跟踪目标的同时......
6. 《基于ECEF的误差配准与目标跟踪算法》PDF+DOC 考虑量测噪声和地球曲率对配准的影响，提出了一种基于地心坐标系(ECEF)的扩展卡尔曼滤波(EKF)配准与目标跟踪算法。根据坐标系转换关系，给出误差配准计算公式，建立目标的动态方程，用EKF方程进行估计。仿真结果表明：该法能同时有效估计目标运动状态和传感器配准误差，可用于远距离的传感器配准和目标跟踪。...
7. 《基于PF-DC的多传感器目标跟踪算法》PDF+DOC 针对传统的粒子滤波(PF)的多传感器目标跟踪算法存在计算量过大的问题，研究了一种基于PF和数据压缩(PF-DC)的多传感器目标跟踪算法。仿真结果表明，与传统的串行多传感器PF算法相比较，该算法可以极大的降低算法的计算量，从而有效地提高算法的实时性。...
8. 《雷达对再入机动目标跟踪算法研究》PDF+DOC 采用广义Ｋａｌｍａｎ滤波方法，通过在北天东雷达直角坐标系内建立相应的再入目标状态及雷达观测方程，再入目标的机动特性用一阶高斯马尔科夫过程描述，并增广到状态方程组之中，根据获得的带有测量误差的雷达测量信息对再入机动目标弹道进行估计，得到了满意的结果。...
9. 《基于多传感器异步数据融合的目标跟踪方法》PDF+DOC 在具有伪测量次优滤波器的基础上，提出多传感器异步融合的目标跟踪算法。通过蒙特卡罗模拟结果证明了该算法的有效性。...
10. 《纯方位被动多传感器多目标跟踪算法》PDF+DOC 多传感器多目标跟踪中的数据关联问题是目标跟踪领域中的难点及核心。若传感器是只有角度量测的被动传感器，关联问题则变得更为复杂。针对纯方位多被动传感器系统的多目标跟踪问题，提出了一种基于高斯-厄密特滤波的动态多维分配方法。首先建立了直角坐标系下多被动传感器的高斯-厄密特滤波模型；在该模型的基础上，采用多......